Expert ou experte, science des données; Modélisation du risque de crédit

Durée Déterminée (en Mois)

Échelle salariale : le titulaire est aussi admissible à une prime fondée sur le rendement, applicable au poste :
92 310 – 124 890 CAD

06/04/2026

Permanent

anglais

FAC est fière de se consacrer entièrement au secteur canadien de l’agriculture et de l’agroalimentaire. En tant que société d’État fédérale, nous offrons du financement, des ressources informatives et des logiciels de gestion d’entreprise à plus de 103 000 clientes et clients partout au pays. Vous pouvez vous attendre à :

• Rémunération globale concurrentielle : programmes de rémunération incitative et de rémunération salariale liée au rendement, régimes d’avantages sociaux, d’épargne flexibles et complets, ainsi que soutien en matière de bien‑être grâce à divers programmes, avantages et services.
• Un travail porteur de sens : bâtir des relations solides, partager notre expertise et soutenir les personnes qui nourrissent le monde.
• Croissance professionnelle : opportunités d’apprentissage et de perfectionnement pour épanouissement.
• Options de travail hybride.

• Concevoir, développer, valider et tenir à jour des modèles de risque de crédit, y compris modèles de notation interne, de risque de crédit opérationnel, d’incidence de défaut, de perte en cas de défaut et d’exposition en cas de défaut, et analyser l’interaction entre ces éléments.
• Dégager les principales informations de données internes et externes complexes pour appuyer la prise de décisions fondées sur les données.
• Appliquer des techniques d’analyse avancées (modélisation statistique, apprentissage automatique, prévisions) afin de cerner les risques et les occasions.
• Traduire les résultats d’analyses complexes en renseignements clairs et pratiques pour les intervenants non techniques.
• Collaborer avec la direction de l’entreprise, les équipes techniques et les partenaires externes pour mettre en œuvre des solutions d’analyse.
• Faire preuve d’un sens aigu de l’analyse et d’une grande rigueur afin de réduire les ambiguïtés et d’étayer les décisions stratégiques et opérationnelles.

En tant qu’expert ou experte en science des données, vous vous consacrerez à la création et à l’amélioration d’outils destinés à aider FAC à comprendre et à gérer le risque de crédit. Vous travaillerez avec des données complexes pour concevoir et valider des modèles analytiques qui soutiennent directement la gestion des risques et la prise de décision fondée sur les données.

Votre travail aidera à évaluer, à surveiller et à atténuer le risque de crédit au sein de FAC, grâce à une étroite collaboration avec les équipes opérationnelles et techniques. Vous fournirez des informations claires et exploitables qui guideront les décisions stratégiques et opérationnelles et permettront d’améliorer de façon marquée les résultats en matière de gestion des risques liés au portefeuille.

• Baccalauréat en finance, économie, mathématiques, statistiques, sciences actuarielles, informatique, agriculture ou domaine connexe.
• Au moins quatre années d’expérience dans la science des données, l’analyse de données ou la modélisation des risques, avec expérience dans le développement de modèles de risque de crédit.
• Excellente compréhension de la notation interne, probabilité de défaut, perte en cas de défaut et exposition en cas de défaut, ainsi que leur rôle dans les cadres de mesure du risque de crédit, y compris IFRS 9 et le capital économique.
• Expérience avérée dans la construction, la validation et l’interprétation de modèles statistiques ou prévisionnels.
• Solides bases en statistiques, mathématiques, analyse et résolution de problèmes. Maîtrise d’outils comme SQL, SAS, R, Python, Power BI ou technologies semblables.
• Capacité à expliquer clairement des concepts analytiques complexes et à influencer la prise de décision.
• Solides compétences en collaboration et communication interfonctionnelle.
• Excellentes compétences en communication écrite, expérience dans la rédaction de documentation claire et de qualité sur le développement et la validation de modèles.